Cython不使用python为数组分配内存

我正在尝试对一个简单函数进行Cythonize，我希望能够使用

nogil

语句编译它。我（在jupyter笔记本中）拥有的是：

%%cython-a
将numpy作为np导入
cimport numpy作为np
西姆波特赛顿酒店
来自libc.math cimport exp，pi
@cython.boundscheck（错误）
@cython.wrapparound（假）
@cython.cdivision（真）
cdef double[：，：：1]_gauss（Py_-ssize_-t-yw，Py_-ssize_-t-xw，double-y0，double-x0，double-sy，double-sx）：
“”“用于渲染的简单规格化二维高斯函数”“”
#对于这个模型，x和y是分开的，所以我们可以生成
#两个高斯数，取外积
cdef双放大器=1/（2*pi*sy*sx）
cdefdouble[：，：：1]结果=np.empty（（yw，xw），dtype=np.float64）
cdef Py_ssize_t x，y
对于范围内的y（yw）：
对于范围内的x（xw）：
结果[y，x]=exp（-（y-y0）/sy）**2/2-（（x-x0）/sx）**2/2）*amp
返回结果
def高斯（yw，xw，y0，x0，sy，sx）：
返回高斯（yw，xw，y0，x0，sy，sx）

这很好。如果我将第一行

cdef

更改为：

...
cdef double[:, ::1] _gauss(Py_ssize_t yw, Py_ssize_t xw, double y0, double x0, double sy, double sx) nogil:
...

---

然后编译失败，因为第一行和第三行与python解释器交互，我不知道为什么（特别是第一行）。

创建类型化memoryview对象会导致与GIL交互，因为它是python对象。因此，您将无法从

cdef nogil函数返回新类型的memoryview对象。

但是，有几种方法可以通过GIL绕过此限制

一种选择是只在函数中释放GIL。这可以通过在迭代代码周围放置一个带有nogil:的

块来完成。该函数如下所示：

@cython.boundscheck(False)
@cython.wraparound(False)
@cython.cdivision(True)
cdef double[:, ::1] _gauss(Py_ssize_t yw, Py_ssize_t xw, double y0, double x0, double sy, double sx):
    #Do gil-interacting, python stuff here
    cdef double amp = 1 / (2 * pi * sy * sx)
    cdef double[:, ::1] result = np.empty((yw, xw), dtype=np.float64)
    cdef Py_ssize_t x, y

    with nogil:
        #And now basically write C code
        for y in range(yw):
            for x in range(xw):
                result[y, x] = exp(-((y - y0) / sy) ** 2 / 2 - ((x - x0) / sx) ** 2 / 2) * amp
    return result

另一个选项是让用户在类型为
double[：，：：1]
的numpy数组中传递。这样，就不会在函数本身中分配内存。使用这种方法，
\u gauss
可以被声明为
cdef nogil

如果您确实担心为numpy数组分配内存的开销，可以尝试使用C风格的函数，如
malloc
、
calloc
、
realloc
、和
free
来管理内存。然后，可以将该指针转换为适当的类型化memoryview；然而，这样做将在创建上述memoryview时调用gil